人工智能促進知識理解：以概念轉變為目標的實證研究 ＊

杜 華 顧小清

（1. 浙江師范大學 浙江省智能教育技術與應用重點實驗室 浙江金華，321004；2. 華東師范大學 教育信息技術學系，上海，200062）

人們在探尋教育教學現象背后深層次的本質與規律時發現，從理論到實踐面臨的各種問題，在很大程度上，都可以歸結為學習的問題（杜華等，2020）。知識作為教育的內容，是教育領域核心要素之一，知識學習是學校教育安身立命的使命（張良等，2021）。概念代表事物基本屬性和基本特征，是知識的重要表征形式之一。在“為理解而教，為理解而學”已成學界共識的背景下，理解被廣泛認為是教育中的重要價值追求（陳家剛，2013）。僅記憶知識遠遠不夠，更重要的是對復雜概念形成深刻的理解，并基于這些理解生成新的知識。人工智能技術引發諸多領域與行業的深刻變革。在教育領域，人工智能技術整合教育大數據、機器學習、學習分析、自適應、情感計算、虛擬現實等技術，重新定義了教育手段、方法和途徑，為學與教增能，再造教學流程，預見知識生產的未來（顧小清，2021），推進教育數字化與智能化轉型。人工智能是否可以促進學習者知識理解與概念轉變？人工智能何以促進知識理解與概念轉變？為此，將以是否可能和何以可能作為切入點，嘗試以一項實證研究來探究問題的答案。

一、人工智能時代的知識學習：為理解而學

知識學習不只在于能背誦多少概念與原理，更主要的是看所獲得知識的質量，看能否靈活地遷移運用到各種相關的情境中。為達到這一目標，學習者需要對知識形成深層的、靈活的理解，“為理解而學”已成為學界共識。

（一）理解是概念轉變的基礎

“概念轉變”和 “理解”緊密相關。概念是對事物或現象共同本質屬性的提煉。概念是思維的基本形式之一，反映客觀事物的一般的、本質的特征（孫艷超，2016）。概念學習就是在頭腦中建構起對事物或現象的共同屬性的認知，概念理解是概念學習的目標。學習可以認為是通過發展內在的概念結構理解領域內概念的過程。為了獲取意義，人類會自然地根據新經驗組織關于世界的原有認知模型。對世界的認識越連貫，概念結構也就越完善。廣義地講，概念轉變表示從學生教學前概念到要學習的科學概念的學習途徑；狹義地講，當學習者學習有關某個問題或事實的新知識時，或改變原有想法時，即是概念轉變?？梢詫⒏拍钷D變定義為一個學習過程，學生所持有的關于世界如何運作的想法或信念被轉移和重組、遠離誤解，并轉向像專家所持有的主導概念的過程。心理學家尼克森認為：“理解是事實的聯系，把新獲得信息與已知的東西結合起來，把零星的知識織進有機的整體”（王燕，2014）。理解作為一個過程是指個體運用已有知識經驗去認識未知事物的屬性與聯系，直至揭示其本質及規律的思維過程。知識理解反映學習者對復雜科學概念的理解。因此，理解是概念轉變的基礎。

（二）理解是知識應用與創新的前提

理解是主體以已有知識經驗為基礎，獲取新的知識經驗并把它融入已有認知網絡系統中，建構意義和新的認知結構的過程。英國學者馬莎·斯通·威斯克認為，理解是指能夠在給定的資訊以外有所超越，并且能夠創造性地去運用自己的知識。如果某人能在未得到任何特別指導的情況下，自發地將知識正確、恰當地應用到新的情境中，就可以認為他已經達到了真正的理解。因此，理解不僅是擁有知識（信息）或展示技能，更是一種思考的能力和將所知道的知識靈活運用。理解的含義不僅是“明白、懂得意思”，更是應用知識的能力，是創新的基礎和前提，因為只有理解知識才能應用知識，只有理解已有知識才能創造出新的知識（陳明選等，2012）。

（三）理解是高階思維發展的關鍵

人工智能時代，個體所需要的思維品質不是指向知識獲得的，而是基于理解而發生的批判性思維、創新性思維等高階思維。這些高階思維集中體現了人工智能時代人才培養的新興要求、人才發展的思維特質，同時彰顯出人工智能時代對學習者思維技能的高層次追求。而理解意味著以正確的方式完成任務，通常反映人們有能力解釋為什么特定技巧、方法或知識主體在特定情境下是合適的或不合適的。正如布魯姆所言，理解是“超越信息本身”，通過有效應用、分析、綜合、評價，來明智、恰當地整理事實和技巧的能力。理解是關于知識遷移的，知識和技能是理解的必要元素。但是僅有這些條件還不夠，理解還需要敏銳的洞察力、縝密靈活地處理事情的能力以及自我評估、解釋和批判的能力。對知識與技能的有效遷移能力，是人們在不同情境和問題面前創造性地、靈活地、流暢地應用所學知識的能力。如果通過理解一些關鍵的想法和策略來學習，就可以創造新的知識，并達到更深入的理解。因此，理解是高階思維發展的關鍵。

（四）理解是深度學習的旨向

人工智能時代的學習者通過深度學習來掌握他們應具備的技能與素養。掌握一個事物、事件或場景的意義，就是要觀察它與其他事物的聯系：觀察其運作方式和功能、產生的結果和原因及如何應用。深度學習發生的基礎不是知識的獲得，而是理解的發生，甚至“對知識如何產生的理解遠比知識本身對于深度學習更重要”。也就是說，深度學習建立在學習者獲得理解的基礎之上，能夠將新知識融入原有認知結構中，并將已有知識遷移到新的情境中，做出正確的決策和選擇問題解決的途徑。理解是深度學習的基礎、目的和旨向。深度學習體現為基于理解而展開的學習過程與結果的統一體。深度學習的結果是促進學生對重要學科觀念產生持續性理解。深度學習和理解間是相互聯系、共同支持的關系。深度學習得以發生，建立在個人理解基礎之上，同時理解也是深度學習運用所學、基于知識創造知識的最終目標。

二、人工智能何以促進知識理解與概念轉變

知識理解是個體在已有知識經驗基礎上，將傳遞知識的語言文字等各種符號與頭腦中相應的內容建立起聯系，從而獲得對事物間接認識的過程，也是個體通過思維活動揭示新知識中有關事物間的各種聯系乃至事物的本質和規律的過程。人工智能技術能夠為學習者提供更多樣的知識呈現方式與形態、提供更精準的學習分析、創設智能化的真實學習情境，使人機協同學習成為可能，為學習者的知識理解與概念轉變創造了良好的條件。

（一）人工智能增能個性化學習，促進概念轉變

利用人工智能技術能更微觀、更系統、更全面地揭示學習發生的機理，進而為學習創造新的方式與條件（閆志明等，2017）。人工智能技術不僅服務于教育教學的全過程，而且為實現個性化學習增能。實現個性化學習需要準確把握學習者的心智特征，為學習過程提供符合其個性需求的內容、活動、路徑和評價，以實現有意義學習（牟智佳，2017）。智能學情診斷系統可基于大數據對學習者、進行全方位精準分析，從認知水平、能力基礎、學習風格等方面準確把握學情；自適應學習技術可根據學習者基本特征和學習風格差異對學習者進行個性化學習路徑規劃；智能測評系統可實現對學習效果即時有效測評，跟蹤學習進程，記錄、統計與分析學習成績。因此，在人工智能助力下，可實現以學定教、因材施教，教學干預更為精準。對于學習者而言，其自我認知將會更清晰，知識學習目標將更加準確，有更多時間精力投入到概念的深度理解之中。

（二）人工智能豐富知識呈現形態，多感官協同參與知識學習

理解是新信息與原有知識經驗相互作用的過程，學習材料的內容和表現形式會影響理解的過程和結果。智能時代，知識載體趨于數字化、虛擬化，智能技術與AR、VR等技術綜合應用，為知識呈現提供更多樣的載體，知識呈現形態更加豐富，更可實現多感官協同參與知識獲取與理解過程（郭炯等，2019）。如利用可穿戴技術，學習者可在虛擬環境中同時受到視覺、聽覺、觸覺、嗅覺等多種感官刺激，增強學習者的沉浸式體驗，延展感官效應，強化學習者的知識學習效果。因此，對于復雜抽象的知識而言，知識形態的可視、可聽、可觸，再加以自然語言處理等智能技術的支持，學習者吸收獲取知識的難度得以降低。

（三）人工智能支持人機協同學習，輔助復雜知識建構

人工智能背景下，人類各種活動逐漸從以人類為主體向人與機器的協同工作發展，教育教學亦是如此。人工智能使得知識生成方式從原來單獨依靠人的協作創新轉向依靠人與智能機器的協同創新。人工智能技術能夠分擔部分教學工作，并且使分擔認知活動成為可能，人機協同教學與學習日益普遍。智能教學系統（如AI教師）具備強大的分析、推送、測評等功能，成為教師講授知識的“重要助手”。從學習者學習的角度來講，人機協同學習能彌補學習者原有認知能力的不足。人類吸收知識和信息的能力是有限的，在萬物互聯趨勢下，面對海量知識與信息，智能系統為學習者提供基礎信息獲取的途徑，學習者可利用技術手段對知識信息作進一步的加工。由于機器學習技術的發展，智能化學習工具很強的推理分析能力，能夠幫助學習者建構復雜關系、解決復雜問題，深度理解知識內涵。

（四）人工智能創設真實學習情境，增進知識理解

當所學知識較復雜時，技術所塑造的富媒體情境將有助于學習者的知識理解。學習環境是學習發生的場所，是促進學習者主動建構知識意義和能力生成的外部條件。人工智能應用于教育領域進一步優化學習環境這一外部條件，通過多種技術的融合，使學習環境趨于真實化和情景化。一方面，技術打破物理環境限制，知識學習活動不僅發生于固定的學習場所，還發生于真實的生活。另一方面，技術手段為情景化學習提供可能性，增強學習者在知識學習過程中的體驗感。知識本身具有一定的抽象性，在傳統知識學習中，由于條件限制，學習缺乏真實情景的支撐，學習者對知識的理解與應用程度受到一定限制，知識“僵化”現象和遷移失效問題顯著（張瓊等，2016）。知識是情境性的，學習與認知本質也是情境性的，知識會受到活動、情境以及文化的影響，只有在具體應用情境中才能更好地理解知識（Brown et al，1989）。虛擬現實、全息投影輔以計算機視覺、自然語言處理等智能技術，將知識置于真實情境之中，增強學習者具身體驗，知識學習不再是單純的知識傳輸，越來越面向知識的深度應用。

三、研究綜述

眾多學者對知識理解進行了研究。巴甫洛夫學派認為人們通過聯想獲得有關事物關系的知識，理解是利用舊聯想形成新聯想，即聯想的聯想；格式塔學派認為理解是頓悟，是對事物間的關系突然貫通與領悟；以皮亞杰為代表的日內瓦學派認為，個體對新事物的理解是新刺激被個體已有的知識結構同化式順應的過程；認知心理學家奧蘇伯爾認為理解就是將新信息納入原有認知結構，新舊知識發生意義同化的過程。理解不單是信息通過感官射進頭腦中，學習者已有知識經驗也在投射到當前的情境中，是通過外界信息與已有知識經驗相互作用而實現的；維特羅克的生成學習理論也對理解的生成過程做了深入分析和解釋。種種觀點各自在一定程度上解釋了理解的過程，對把握理解過程的實質有所裨益。

概念是代表一類享有共同特性的人、物體、事物或觀念的符號，是知識的重要表征形式之一。概念轉變實質上是要理解一類事物共同的關鍵屬性。因此，概念轉變與知識理解有著密不可分的聯系。概念轉變研究肇始于20世紀80年代，其圍繞的核心問題是學習者對于概念知識是如何習得與變化的，建立在學習者對現有概念的不滿、概念可理解、合理性及有效性基礎上，其本質在于學習者認知結構的平衡化。也可以將概念轉變理解為個體面對新的情境或者信息，藉由其一般知識與經驗、技能與方法，對前概念進行重新審查，對新環境或新信息進行重新理解與建構，以平衡新舊信息之間的沖突，進而修正其原有的認知結構的過程。該過程受到個體、環境等因素的影響，導致其結果具有多種可能性（舒杭，2020）。概念轉變相關研究集中在概念轉變的內涵及機制研究（袁維新，2003）、概念轉變的理論模型研究（胡衛平等，2004；Larkin，2012；Ting et al.，2013；Potvin et al.，2015）、概念轉變的教學模式研究（鄧峰等，2007）、概念轉變的工具研究（Kendeou et al.，2014；Prinz et al.，2018；Sellmann et al.，2015）、概念轉變教學策略（彭聰，2015；鄒一娜等，2011）、概念轉變評價與診斷研究（Yin et al.，2014；王玨等，2017）、概念轉變影響因素研究（Tseng et al.，2010）等。

伴隨著信息技術快速發展，眾多學者關注技術支持的知識理解與概念轉變。研究表明，當以動畫而不是圖解來說明時，學生可以更好地理解物理現象，如當細繩被剪斷時，鐘擺球運行的正確軌跡（Kaiser，1992）。動畫可視教具有助于促進學習者對于物體間因果關系的感知（Michotte，1963）。使用“概念性增強模擬”，設計計算機模型，可以有效地促進科學學習（Snir et al.，1993）。在計算機系統中進行圖示表征，允許學生使用可視化作為“外部認知輔助”，建立視覺聯系并減少工作記憶需要持有的信息，減輕了認知負載，有助于學習者的概念理解與轉變（Scaife et al.，1996）。也有研究表明，計算機模擬可視化可以促進學生對熱力學概念的理解（Lewis，1991）。Foley（1999）調查分析了四種計算機可視化對學生學習物理科學概念的影響，以及在此過程中學生使用的熱量和溫度模型又是如何變化并實現知識整合的。喬納森（2008）在《技術支持的思維建模：用于概念轉變的思維工具》一書中將“思維建模工具”定義為可用來建立思維模型的思維工具，能幫助學習者具化內部的認知概念模型，促使學習者在建模過程中積極調整與修改自我的概念模型結構，并通過多種形式的認知呈現，幫助學習者豐富和拓展內部的認知概念模型的意義。Liu（2010）開發基于模擬仿真的計算機輔助學習（Simulation-based Computer Assisted Learning，SAL）原型。She和Liao（2013）將Web程序應用于科學推理和概念變化研究之中。Trundle和Bell（2010）通過研究證實，技術支持的教學確實能帶來概念轉變上的預期成效。

四、以概念轉變為目標的實證研究設計與實施

文獻研究發現，關于智能學習環境下學習者知識理解與概念轉變相關研究還較少。因此本研究嘗試以智能全息盒子作為實驗工具，聚焦于學生概念轉變的刻畫與探測，使用準實驗研究法探究智能仿真學習環境對學習者概念轉變的影響。

（一）“智能全息盒子”：智能仿真學習環境

本研究以上海方略教育集團研發的智能全息盒子作為智能仿真學習環境，其關鍵技術包括物聯網智聯、數字建模、傳感技術、實時交互、全息技術等。物聯網智聯可實現客戶端和服務器間提供持久、低延遲、全雙工的連接，滿足網絡音視頻傳輸和實時控制所需要的以低延遲連續交換大量數據，能支持多個子協議，且支持多路復用和數據壓縮等強大功能的擴展。多端兼容，支持許多不同的操作系統集成，能為不同平臺提供簡單遷移解決方案，或者對不同平臺支持開箱即用。支持建立設備與媒體服務器間的實時語音或視頻連接，具備安全的音視頻傳輸，建立可靠的會話，能有效減少延遲提高質量。

從外觀看，該盒子屏幕分辨率為HD1 920*1 080全高清，支持多人同時操作，支持指定區域觸摸功能。從內容看，該盒子內嵌了1 700多個3D動態模型、160個科學虛擬實驗，涉及生命科學、自然科學、地球空間科學等學科的科學概念及原理，既能將抽象難懂的科學概念、學科原理或物體內部構造可視化，還可以讓學習者進行個性化操控與實時交互，產生沉浸體驗。

（二）實驗設計與實施

1. 學習內容與被試選取

研究知識理解與概念轉變，其中重要的變量之一就是學習者要學習的內容（Mitchell et al.，1986）。原子模型是高中化學選擇性必修2重要內容之一。作為科學知識，該部分內容能夠很好地體現學生在進行不同概念理解與建立概念間關聯的能力。相關研究與教學實踐表明，即使在完成相應課程學習后，學生仍在該概念理解方面存在一些問題，需要進一步尋找新的方式消解迷思概念。因此選擇該概念作為學習的內容，開展具體的教學與研究。

關于被試，研究選擇S市A中學高二年級學生。該市期末考試采取全市統考方式，由當地教育機構統一購買或編制試題，具有一定信度和效度，能反映權威機構的人才培養導向。因此以期末化學學業成績作為重要參考依據，選擇40名學生，隨機分配到實驗組和對照組，各20名。實驗組M=70.833，SD=7.638，對照組M=72.273，SD=7.977，Sig.為0.149，說明兩個組間不存在顯著差異，充分考慮了組間對等性。為控制無關變量影響，在正式實施過程中，兩個組均安排同一位教師授課，以避免教師因素會給研究帶來的干擾。實驗組又安排一名技術人員在場，以便及時幫助處理可能會出現的技術問題。

2. 實驗過程

本研究采用對比性實驗進行研究，過程共分為五步，如圖1所示。第一步，使用編制的認知測試題對實驗組和對照組分別進行前測，洞悉每一位學生的前概念水平；第二步，實驗組在教師指導下進行10分鐘的練習，以幫助被試適應智能仿真學習環境；第三步，以不同的方式學習相應概念，實驗組以智能仿真學習環境進行學習，對照組在多媒體教室進行學習（1課時，45分鐘）；第四步，實驗結束后，通過后測試題被試對復雜科學概念的學習效果；第五步，通過繪圖、量表等方式進行事后調查，了解被試對于概念的理解情況。

圖1 實驗過程

3. 測量工具

由于概念轉變涉及核心知識和信念修改，通常不容易實現（Hynd，2001），即使經過多年的科學教學，學習者替代概念仍可能存在（DiSessa，1982），所以概念轉變很難衡量。但這并不意味著學習者概念轉變不能被測量。要理解一個概念，就必須具有一個反映該概念結構的內部表征或心理模型（Halford，2014）。表征即借由符號、文字、圖示等手段反映學習者內在的信息處理以及認知結果。圖示可以看作心理模型的寫照，是幫助組織知識并幫助理解的絕佳方法之一。也有學者指出可根據信息內容和概念網絡的拓撲形式來正式理解概念表征和使用的變化（Solomon et al.，2019）。很多學者認同一個重要主張——“圖示即知道、理解”（Wandersee，1990）。一些研究者使用繪制概念圖方法以了解學習者對科學概念理解情況。也有學者研究發現繪制科學圖表能幫助學生建構科學現象的心智模型，針對一段文本，學生采用繪制圖表的方式解釋要比學生使用書面敘述進行總結對文本理解的效果要好，學生繪制圖表過程提升了其心智模型的建構（Gobert et al.，1999）。由于兒童不一定能畫出結構嚴謹的概念圖，在實際操作時可采用畫圖的方式，讓其畫出在學習過程中印象深刻的內容。對于繪圖評價，學者大多采用編制量規的方式，進行量化和評估，如概念圖的量化評分方法（Novak et al.，1984）。

圖2 實驗組智能學習環境部分界面截圖

因此，概念轉變作為人類認知發展的重要方式，其過程和結果都需要多重表征。回歸于概念轉變的“認知結構”屬性與“過程性”本質，本研究綜合運用認知測試、繪圖、量表、訪談等多種方式獲取數據，以映射與表征學習者概念轉變的過程和結果。

認知測試。認知測試題用于了解被試在實驗前后對復雜科學概念理解的差異。試題由1名研究人員和2名化學教師根據化學課程標準共同設計，題型為選擇題，共20題，每題5分，滿分為100分，內容涵蓋對原子模型的理解及其科學概念的應用。試卷的內容效度是指題目所含知識點數與教學大綱中應試內容知識點數之比，可以請有關學科專家和有經驗教師對教學大綱和教科書作全面考察，并與測試題目作系統比較，看測驗或考試題目是否適當地代表了所規定的內容（楊玉桓等，1988）。編制完測試題之后，經過多名化學教師進行對其內容效度進行評測，一致認為該試題具有較高的內容效度。為了判斷試卷的信度，在編制好測試題之后，選擇30名學生先后進行兩次測試，得分均通過交叉評閱，得到化學教師認可。皮爾遜積差相關系數經過計算，r為0.721，說明試卷信度良好。經過計算，該測試題難度系數P=0.679，區分度D為0.411，說明難易適中，區分度良好。在實驗前，使用該套試題對實驗組和對照組分別進行前測。實驗結束后，對題目順序進行了調整后用于對實驗組和對照組后測。前測與后測都使用相同測試內容的一個目的就是測試學生在整個實驗完成后的概念變化。

繪圖量化評分。實驗結束后，要求學生繪出詳實的原子結構圖。對于如何繪圖，研究者為學生提供圓珠筆、鉛筆和彩筆等工具，學生可使用線條、色塊、文字注釋等多種元素來表示原子結構。對于繪圖評分，參照Lewis（1991）、Foley（1999）等已有研究，結合繪圖的完整性，編制了評分標準，并經由兩名研究人員和化學教師審定見表1。在實驗結束后用來對兩組學生繪圖進行量化處理，以實現對于不同學習概念習得與組織過程的觀測。

表1 繪圖評分標準

訪談。實驗結束后對實驗組學生進行半結構化訪談以了解其學習體驗。訪談提綱主要包括兩個方面：對“智能全息盒子”所構建的智能仿真學習環境的使用體驗和感受（感知有用性、感知易用性）、對原子模型學習內容的學習體驗和感受。

認知負荷量表。認知負荷理論是學習與教學領域最有影響力的框架之一，該理論作為一種基于人類認知結構的教學設計理論，其核心是工作記憶的有限性。只有將認知負荷控制在工作記憶所能承載的范圍內，有效學習才能發生。測量認知負荷的經典量表有Paas自我評定量表（Paas et al.，1993）、美國國家航天局開發的NASA-TLX量表（Hart et al.，1988）、WP自我評定量表（Tsang et al., 1996）等。本研究采用WP自我評定量表，該量表共八個維度，對應中樞處理資源、響應資源、空間編碼資源、語言資源、視覺接收資源、聽覺接收資源、操作輸出資源和語言輸出資源等。由于本研究無需學生以口頭報告形式對任務做出回應，未采用語言輸出資源，故刪除該維度。實驗結束后，使用該量表讓學生根據主觀感受分配一個介于0和10間的數字。“0”表示完全不占用資源，“10”表示完全占用資源。將七個維度得分均值作為認知負荷指標，該做法已有先例（孫崇勇，2012）。

（三）數據分析與結果

使用Excel、SPSS等軟件對認知測試成績、繪圖評分、量表等進行量化統計。為了保證研究信效度，在測試評分、繪圖評分、量表分析過程中，均由兩位研究者分別進行，對分析結果采用百分比一致性的方法進行信度檢驗，三項指標的信度通過計算分別為80.9%、82.3%、90.3%，說明均具有較高可信度。對于存在分歧之處，兩位研究者進行協商，確定最終分數。

1. 認知測試成績

分別對實驗組對照組前后測成績進行配對樣本t檢驗，以檢驗不同學習環境對學生知識理解的影響，其描述性統計結果如表2所示。從表中可以看出，實驗組學生平均成績從前測的65.93增至后測的77.85，增長率為18.1%，后測成績提升十分顯著（t=3.18，p＜0.001）。對照組的學生平均成績從前測的64.93到后測的69.85，增長率為7.58%，后測成績也有提升，前后測成績也存在顯著差異（t=4.51，p＜0.05）。以上結果表明，兩組被試在學習后對原子結構概念的理解都有顯著提高。由于兩組學生在概念理解上均有顯著提升，因而有必要進一步分析實驗組對照組對概念理解影響的差異。

表2 實驗組前后測配對樣本t檢驗的描述性統計結果

通過Levene方差齊性檢驗發現兩組在誤差方差上無顯著差異（F=0.037，p＞0.05），且樣本均呈正態分布，故采用協方差分析（Analysis of Covariance，ANCOVA）檢驗兩個組的差異。以后測成績為因變量，前測成績為協變量，分組為自變量，進行協方差分析。結果顯示，兩組在成績提升上存在顯著差異（F=10.55，p＜0.05），實驗組學習效果（修正均值=11.57）明顯優于對照組（修正均值=6.42）。上述結果表明，雖然兩組學習者最終成績差異不大，但智能仿真學習環境帶來了顯著的前后測成績提升差異，實驗組在知識理解上的學習效果更好，說明智能全息盒子對學習者概念理解具有顯著的積極影響。

2. 繪圖分析

根據繪圖評分標準對兩組繪圖情況進行分析。實驗組65%（13/20）的學生綜合使用線條、色塊、文字注釋等三種元素，正確顯示原子結構立體圖，30%（6/20）的學生使用線條、色塊、文字注釋等元素中的任意兩種，部分正確顯示原子結構立體圖，5%（1/20）的學生僅正確使用了線條用于顯示原子結構立體圖。與實驗組相比，對照組40%（9/20）的學生綜合使用線條、色塊、文字注釋等三種元素，正確顯示原子結構立體圖，25%（5/20）的學生使用線條、色塊、文字注釋等元素中的任意兩種，部分正確顯示原子結構立體圖。20%（4/20）的學生僅正確使用了線條，用于顯示原子結構立體圖。5%（1/20）的學生僅使用部分線條進行表征。5%（1/20）的學生未能做出清晰圖形。經過對比發現，實驗組大部分學生能夠基于原子結構概念的理解，從中提煉出關鍵性節點進行表征，同時他們注重不同概念節點之間的關系建立，并在此基礎上形成良好的概念結構。

3. 認知負荷分析

實驗結束后，使用認知負荷量表對兩組學生認知負荷進行測量。經過統計計算，對照組學生認知負荷指數均值為3.214，實驗組學生認知負荷指數均值為5.264，具體各維度的數據見圖3。實驗組認知負荷指數均值高于對照組，說明實驗組所消耗心理資源的程度要高于對照組。因此可以認為，智能仿真學習環境雖然具有諸多優勢，但可能會增加學生認知負荷，在實踐中應在保持智能學習環境的獨特優勢情況下，通過認知負荷的適當控制達到學習結果的最優化。

圖3 實驗組對照組的認知負荷分析

4. 訪談分析

對實驗組訪談內容從以下幾方面進行分析：（1）學習體驗和感受。實驗組學生均認為，通過智能全息盒子進行學習，十分生動有趣，形式也很新穎，學習內容也令人耳目一新，帶來了一次全新的、愉快的學習體驗。（2）感知易用性。實驗組學習者都表示智能全息盒子營造了較為逼真的學習情境，操作也比較簡單易學，尤其是它的交互功能特別酷，可以增加個性化學習體驗。（3）感知有用性。實驗組學生都表示，智能全息盒子能將書本上的抽象原子結構具象化，直觀生動地呈現與表達。演示動畫能夠有效幫助學生理解原子的內部結構，并且可以進行個性化操控，還能有效支持同伴間的互動，對理解很有幫助。比如有學生說，“對這個設備很感興趣，能夠將想象起來很困難的抽象知識直觀地呈現在我們眼前，比傳統課堂教學更加生動有趣。”“三維立體的模型使我們更容易理解書本上的知識?！薄笆褂弥悄苋⒑凶幼屛覍υ咏Y構觀察得更為具體，給我留下十分深刻的印象”。這些結果表明，從整體上看，實驗組學生認為智能全息盒子對科學概念學習很有幫助。

五、討論與總結

本研究從概念轉變入手，旨在探究技術所建構的智能仿真學習環境對學習者概念轉變的影響，并由此窺察人工智能促進知識理解的諸多可能。通過研究表明，人工智能所建構的智能仿真學習環境，能有效地促進學習者概念轉變。當然本研究也存在著以下不足之處：研究對象樣本數量較少；教學內容單一，只涉及到初中化學學科；實驗周期較短；概念轉變過程極為復雜，僅從認知測試、繪圖、訪談等方式進行測量，未必能窺其全貌。在后續研究中將增加樣本數量，將實驗擴及到更多學科范圍，加長實驗周期，借助學習分析技術，收集更多質性與量化數據以增加研究結論的說服力。在人工智能促進學習者知識理解與概念轉變時，需要注意以下問題：恰當融入教師指導，搭建學習支架；合理利用智能技術，關照個體差異；綜合運用多種方式，探測迷思概念；將合作探究學習與個性化學習相結合，喚醒認知沖突等。

（一）恰當融入教師指導，搭建學習支架

實驗研究表明，智能仿真學習環境能有效地促進學習者的概念轉變。但是也不難看出，在實驗組的學習過程中，教師的角色也是不可或缺的。人工智能促進知識理解與概念轉變，離不開教師與智能機器的協同共教。教師需要根據特定的智能教學/學習情境的特性和限制，掌握智能技術、學科知識和教學法之間的動態平衡，積極探索與創新人機協同、人機共教的概念教學模式，緊扣學生的認知規律，為學生科學概念的探索學習搭建學習支架，既可以為學生跨越最近發展區、促進科學概念學習提供有效的支持和幫助，又能夠引導學生進行有目的性的學習，充分發揮智能仿真學習環境的優勢。學習支架也為學生創造了主動探究和與他人協作學習的場域，對科學概念的理解和建構起著不可忽視的作用。

（二）合理利用智能技術，關照個體差異

科學概念針對學生而言具有很強的抽象性，阻礙了學生對科學知識點的建構。智能仿真學習環境具有虛實結合性、實時交互性、個性化調控、情境性等特征，增強了對科學概念的直觀感知，激發了學習興趣，有助于對科學概念更加深層次的理解。但是，認知負荷量表和訪談結果表明，智能全息盒子存在個性化智能化有待提升等問題，甚至增加了學生的認知負荷。因此，要合理利用智能技術，充分關照學習者的個體差異，通過數據挖掘和分析，從大量的信息中為學習者推送適合的個性化的學習資源，滿足學習者的個性化學習需求，促進學習者的知識理解與概念轉變。

（三）綜合運用多種方式，探測迷思概念

信息加工理論指出，學習總是要適應當前的認知狀態，才能有效橋接新舊信息之間的關聯，使得新信息能夠適應已有認知結構，已有認知結構能夠得以調整并接納于固定新的信息。概念轉變過程即是為學習者對新舊知識的信息加工過程，在這樣的認知加工過程之中，調整和完善其自身原有的認知結構。迷思概念的存在對學生的概念學習產生了很大的干擾。在研究開始前，研究者試圖借助多種方式了解學生進入學習之前所存在的先驗知識水平，探測迷思概念，為教師或者研究者提供了后續教學設計的直接切入點與著力點。

（四）合作探究學習與個性化學習相結合，喚醒認知沖突

所謂認知沖突就是在學習的過程中，學生原始性的認知結構與當下所面對的學習內容形成了矛盾，在新舊知識之間存在著某種差異性，導致心理失衡的現象，也是個體意識到個人認知結構與環境或是個人認知結構內部不同成分之間的不一致所形成的狀態。概念轉變也是認知沖突的引發和解決的過程。科學概念本身具有復雜性，在智能仿真學習環境中，學習者在理解抽象的科學概念時，不可避免地也會遇到各種困難。而合作探究學習能幫助學習者在遇到難以解決的問題時給予及時的交流，在個體建構與群體建構中喚醒并逐步化解認知沖突，重新構建全新的認知平衡。

六、結語

人工智能作為前沿技術，其在知識生產與創造、對感知與認知的增能等，均在人類學習領域創造了新的巨大潛能。在面對人工智能再造知識生產流程實現科學飛躍的現實中，在“為理解而教，為理解而學”已成學界共識的背景下，如何充分發揮人工智能技術所提供的教育創新可能性，促進學習者的學習與理解，將是一個全局性的、前瞻性的重要課題。